一种名为FastGlioma的新人工智能（AI）工具正在使脑瘤手术更加精确和快捷。该系统可以在手术中仅用10秒的时间识别出是否有任何癌性脑瘤部分残留。
这项研究由密歇根大学和加州大学旧金山分校的研究人员领导，并发表在《自然》杂志上。当外科医生切除脑瘤时，很难确保每一个肿瘤部分都被清除干净。任何残留的肿瘤都会引起严重的问题，包括疾病更快进展和生活质量下降。
多年来，识别这些微小的残留部分一直是一个挑战，因为肿瘤组织通常看起来像健康的脑组织。当前的方法，如MRI扫描或荧光成像，虽然有用但存在显著局限性。MRI机器并非每个手术室都有，而荧光成像并不适用于所有类型的肿瘤。这些挑战为改进留下了空间，而FastGlioma可能是解决方案。
密歇根大学神经外科医生、该研究的作者之一托德·霍隆博士解释说，FastGlioma比传统方法更快、更准确。“这项技术允许我们在几秒钟内检测到肿瘤组织，引导外科医生尽可能多地切除肿瘤，同时最大限度地减少对健康脑组织的损害。”他说。
FastGlioma的工作原理
FastGlioma使用先进的AI技术，称为基础模型，类似于支持聊天机器人和图像生成器（如GPT-4和DALL-E）的技术。这些模型经过大量数据集训练，以处理各种任务。为了创建FastGlioma，研究人员使用了一种称为受激拉曼组织学的快速成像方法，对超过11,000个脑瘤样本和400万张显微图像进行了AI训练。
在手术过程中，这种成像技术以高分辨率扫描肿瘤组织，AI分析它以确定是否有残留的肿瘤。在“快速模式”下，系统可以在10秒内提供结果，而全分辨率分析大约需要100秒。即使在快速模式下，FastGlioma的准确率也达到约90%，全分辨率模型的准确率略高，为92%。
在对220名患有低级或高级胶质瘤的患者进行测试时，FastGlioma的表现远超传统方法。它仅在3.8%的情况下错过了高风险肿瘤残留，而传统技术的漏检率为25%。这一显著改进有助于减少手术中留下危险肿瘤组织的可能性。
为什么这很重要
尽管医疗技术取得了进步，但手术后肿瘤残留的比例多年来一直未变。残留的肿瘤增加了患者的健康风险，并给每年预计处理4500万台手术的医疗系统带来压力。像FastGlioma这样的工具对于应对这些挑战至关重要。
该技术还具有可访问性和成本效益。它不依赖昂贵的MRI机器或荧光标记，使其适合许多医院。研究人员相信，它可以适应检测其他类型的脑瘤，如髓母细胞瘤和脑膜瘤，以及其他非脑部癌症，如肺癌、乳腺癌和前列腺癌。
手术新时代
FastGlioma不仅仅是一种用于脑瘤手术的工具。它代表了利用AI改善医疗服务的一大步。加州大学旧金山分校的神经外科医生肖恩·赫尔维-詹普博士表示，这项技术可以减少对传统成像方法的需求，使手术更加高效。
展望未来，研究人员计划在其他类型的癌症手术中测试FastGlioma。密歇根大学神经外科主席阿迪提亚·潘迪博士强调，这种AI系统可以应用于多种癌症，而无需对模型进行重大调整。
随着全球癌症护理的发展，整合像FastGlioma这样的技术可能变得至关重要。它提供了一种方法，使手术更安全、更快捷、更有效，最终改善患者预后，减轻全球医疗系统的负担。
(全文结束)
